|
| 参考 |
混合模式 |
应用程序 |
分类器 |
命令 |
精度(%) |
改进 |
|
| (37] |
肌电图,脑电图 |
一个运动图像混合BCI拼字 |
GMM |
2 |
最终用户:91
健全的用户:94 |
更好的性能在命令的准确性 |
| (38] |
脑电图、肌电图 |
家庭环境控制系统 |
CCA |
4 |
96.3 |
更高的控制精度、安全性和交互性 |
| (39] |
脑电图,此次 |
艾滋病复苏 |
基于“增大化现实”技术 |
4 |
62.28 |
更好控制辅助设备 |
| (40] |
脑电图,此次 |
移动机器人控制 |
乔治。 |
9 |
87.3 |
减少最好的完成时间 |
| (41] |
脑电图,此次 |
混合拼字的系统 |
乔治。 |
1 |
97.6 |
更好的性能和可用性 |
| (42] |
fNIRS、脑电图、眼动 |
控制四轴飞行器在线 |
乔治。 |
8 |
fNIRS: 75.6
脑电图:86 |
在解码精度高 |
| (43] |
脑电图,fNIRS |
手运动和认可 |
乔治。 |
2 |
94.2 |
减少检测fNIRS延迟时间 |
| (44] |
脑电图,fNIRS |
左边和右边运动想象 |
戴斯。莱纳姆: |
2 |
- - - - - - |
减少响应时间 |
| (45] |
脑电图,NIRS |
解码的四个动作 |
乔治。 |
5 |
> 80 |
更高的分类精度 |
| (46] |
脑电图,NIRS |
精神状态识别 |
元 |
6 |
65.6 |
在精神状态更好的性能分类 |
| (47] |
EEG、MEG |
左边和右边运动图像 |
CSP, LR |
2 |
梅格:70.6
脑电图:67.7 |
更好的性能良好的受试的准确性 |
| (48] |
脑电图,NIRS |
分类心算、MI和空闲状态 |
sLDA |
3 |
82.2±10.2 |
更高的分类精度 |
| (49] |
EEG、MEG |
主体间左边和右边运动图像的解码 |
LR、L2 1-norm正规化 |
4 |
梅格:70
脑电图:67.7 |
更高的精度受试 |
|
|
